共查询到10条相似文献,搜索用时 15 毫秒
1.
2.
本体算法中相似度矩阵的学习 总被引:1,自引:0,他引:1
本体图中顶点之间的相似度计算是各类本体算法的本质所在.本体图中各个顶点对的相似度组成本体相似度矩阵,因此得到一个最优相似度矩阵是本体应用的实质.本文提出一种通过计算距离矩阵来得到本体相似度矩阵的方法,该方法着眼于降维过程的稀疏化和解的光滑性.从样本集得到相似顶点对集合S和不相似度顶点对集合D,由此得到三元组Γ.将Γ的信息融入到计算模型中,进而使得距离矩阵保持了原本体图中顶点间的距离结构特征.借鉴凸最小最大优化模型的光滑逼近法,得到距离矩阵计算模型的求解策略.最后,通过两个具体实验表明,本文所给的相似度矩阵计算方法对于特定应用领域中的本体相似度计算和不同本体间建立本体映射具有较高的效率. 相似文献
3.
针对当前在大规模本体映射方面存在的不足,提出一种新的基于遗传算法的大规模本体分块与映射方法.首先,对本体进行预处理,把本体表示成有向无环图,将本体分块问题转换成图分割问题.然后采用基于遗传算法的GPO( Genetic-Partition-Ontology)算法对有向无环图进行分块,该算法不需要输入分块个数;最后利用基于本体块结构和基于参考点相结合方法找到正确的块映射.理论分析和实验结果表明,本文提出的映射方法能取得很好的结果. 相似文献
4.
大本体规模过大,使得本体间映射复杂.针对已有方法在分块上的不足,提出一种基于模块抽取的大本体分块映射方法.通过建立本体依赖图的拉普拉斯矩阵来抽取本体模块,计算模块之间的相似度,实现分块映射.实验结果表明,该方法能有效实现大本体分块,提高映射效率. 相似文献
5.
6.
本体匹配是用来解决异质本体间互操作问题的一种技术手段。目前,大多数关于本体匹配的研究都集中在了如何提高匹配结果的质量上。然而,一方面,在许多情况下,匹配结果的正确与否直接依赖于用户的判断,另一方面,由于一些描述现实世界的本体十分庞大,匹配工具往往不能及时为用户提供可供确认的匹配对。为此,提出了一种基于语义模块的交互式本体匹配框架。借助信息论的相关知识,将本体聚类成语义模块。用户利用模块核心结点信息对模块的内容进行推断,从而将大规模的本体匹配任务转换为数个规模较小的语义模块间的匹配任务。通过合理地增大用户在匹配过程中的作用,试图在保证匹配质量的同时提高匹配效率。已获得的实验结果表明该方法能显著提高本体匹配任务的效率。 相似文献
7.
8.
半结构化数据库没有固定的库模式,用户对其结构难以产生清晰的认识,从而无法有效地查询所需的内容.提出了一种基于本体的柔性查询,用户通过了解数据库本体语义信息而发出的查询不必遵循严格的数据库模式也能得出结果.由于在半结构化数据库上直接查找效率很低,故在其上生成描述结构模式的概念本体库.查询模块先在本体库上评估能否得出查询结果,再在数据库上执行查询.然而由于本体库可能是图的形式,其查询代价仍然很高,本质上是NP问题,进一步研究了将图转化为树的方法,并给出了相应的算法. 相似文献
9.
目前针对大规模本体映射大多采用先分块,再在分得的小块间进行块内映射.但是,对大本体进行分块,以及对相关小块的映射操作会增加很大的开销.本文采用基于参考点的扩散映射算法,通过小模块快速获得参考点(在名称上相似的概念),利用访问局部性原理,通过比较参考点附近的邻居概念,逐渐向其邻居扩散映射.根据邻居概念的映射情况检查参考点是否为错误映射,且映射的邻居概念成为新的参考点.然后对新的参考点迭代进行扩散映射,直到所有概念都扩散完毕或者找不到新的参考点为止.显然,该方法把候选映射概念集始终限制在参考点附近,极大的减少了映射的时间复杂度.本文算法支持从目标本体到源本体的1:n映射;支持参考点的自动生成;带冲突避免的映射操作能同时提高映射效率和质量. 相似文献
10.
原子分解是理解本体内部模块结构的有效途径。以局部化模块抽取为基本操作的原子分解方法可用于强表达力的SROIQ本体,但效率较低。基于有向超图的本体模型能够显式地反映原子的依赖关系,但只局限于弱表达力的EL本体。提出一种混合的原子分解算法,首先利用有向超图表示EL子本体,形成部分原子分解,利用模块抽取方法添加剩余非EL公理,得到本体的全部原子分解。以生物医学本体作为测试数据,实验表明,这种混合的原子分解算法能够有效减少运行时间。与传统的基于模块抽取的方法相比,原子分解效率平均提高6.7倍。 相似文献